- 产品
- 产品解决方案
- 行业解决方案
- 案例
- 数据资产入表
- 赋能中心
- 伙伴
- 关于
全程“零”编码,高效实现主数据模型、主数据维护、主数据分发、主数据质量的全过程管理,为企业主数据管理落地提供有效支撑,实现各业务系统间的主数据共享,保障企业主数据的唯一性、准确性、一致性。
覆盖数据建模、采集、处理、集成、共享、交换、安全脱敏于一体,一站式解决数据开发所有的问题。
统一指标定义,实现“一变多变、一数多现”的数据管理效果,为企业提供强有力的数字化保障和驱动效应。
零代码+AI,有“问”必答的数字助理,利用AI大模型和数字人技术,通过语音&文字输入问题,自动识别业务指令,深度理解用户意图的问题,洞察数据,人机交互,重新定义BI新体验。
智能数据问答平台
查看详情
时间:2019-01-22来源:互联网浏览数:701次
当我们今天谈商业智能的时候,其实现企业信息化就是指的商业智能(Business Intelligence,BI);传统的商业智能主要是基于信息技术架构的一套智能化管理工具,比如:ERP、CRM和SCM,只不过现在增加了EPM和GRC等功能或诉求点;其中:ERP:企业资源计划,CRM:客户关系管理,SCM:供应链管理,EPM:企业绩效管理,GRC:企业风险控制等模块。
早期的商业智能其实就是所谓报表系统,不过这里往往指的是企业级报表,也就是说:企业管理者和决策者可以不借助IT人士就可以得到企业生产经营数据和报表。今天,商业智能可能更加以一种新的面貌呈现数据,成为仪表盘或决策驾驶舱的形态;
当然,我们目前大部分企业的商务智能主要还是在报表体系层面,但随着信息技术的发展,特别是硬件技术的发展和价格的降低,伴随着云计算、内存计算、移动应用等,商务智能越来越重要,近年来商务智能一直占据IT变革的前列!
那么商务智能的基本架构是如何呢?我这里简单描述一下,首先我们看到企业随着信息化导致海量信息存储,这里的信息包括:结构化和非结构化信息,如何把这些信息充分利用呢?
1)数据存储层:这里主要包括结构化信息和非结构化信息,但是如果不能共享和整合这些信息,企业就不能发挥数据决策的作用;
2)数据中间层:企业面临信息孤岛,这时候就面临:数据整合DI和数据仓库DW;这里部分通过ETL工具将不同数据结构和类型的数据进行整合;
3)数据仓库层:一般通过XML将不同结构数据进行整合,这时候就面临一个数据安全性问题、数据质量问题和元数据管理问题MetaData;有了企业级数据仓库DW,我们就可以在此进行增值应用;
4)商务智能层:有了数据仓库DW,就有了干净和整合的数据,当然这些数据来自ETL工具的数据抽取、转换和装载过程,形成面向不同应用的数据集市Data Mart;大部分商务智能主要是CRM、SCM和ERP;
5)数据分析层:主要是OLAP在线分析应用和Data
Mining,当然也包括统计分析,数据模型和商业规则等,将这些商业洞察嵌入商业智能;OLAP和数据挖掘是BI的两个主要增值应用!
6)报表分析层:在DW基础上,企业会构建各种企业级报表,如果能够在线OLAP更好,这就是经营分析系统了;当然现在更多的希望是采用地理信息、仪表盘Dashboard和移动报表Web Report等
7)架构应用层:当企业信息整合后,一定面临搜索Search,这里指的是企业级搜索,KM知识管理和CI竞争情报分析;
7)主题应用层:在查询、报表和分析的基础上,面向应用包括:
8)决策支持层: 下面是主要针对电信行业的可能应用
对分析表中的数据进行补录或修改
在可视化建模的同时同步完成ETL流程设计
可任意制作酷炫灵动的图标和大屏
只需简单拖拽维度和指标即可生成相应的分析图表
让繁琐复杂的数据挖掘过程变得简单易用